01
KI-Grundlagen
Verstehen Sie, was KI ist, wie Systeme lernen, wo sie versagen und wie Sie Ansprüche ohne Aufregung beurteilen können.
Kostenlose KI-Bibliothek
Grundlagen FührerFür immer kostenlos.
84 Leitfäden in einfachem Englisch, strukturierte Lernpfade und eine offene Bibliothek – erstellt von einer unabhängigen gemeinnützigen Organisation 501(c)(3), damit jeder moderne KI verstehen kann.
84Kostenlose Reiseführer
1Themenspuren
~2 minPro Reiseführer
~3hLesezeit
Beginnen Sie hier
Fünf ergebnisorientierte Kurse
Jeder Kurs umfasst explizite Ergebnisse, abgebildete Kompetenzen, Übungsaktivitäten und einen angewandten Schlussstein.
02
Verantwortlicher KI-Benutzer
Nutzen Sie KI produktiv und schützen Sie gleichzeitig die Privatsphäre, überprüfen Sie die Ergebnisse und wahren Sie die menschliche Verantwortung.
03
KI bei der Arbeit
Bewerten Sie Anwendungsfälle am Arbeitsplatz, führen Sie sichere Pilotprojekte durch, messen Sie den Wert und kommunizieren Sie Änderungen verantwortungsbewusst.
04
KI-Politik und Gesellschaft
Analysieren Sie KI-Systeme anhand von Rechten, Gerechtigkeit, Governance, Sicherheit und Ergebnissen im öffentlichen Interesse.
05
Bauen mit KI-Systemen
Verstehen Sie Sprachmodelle, Abruf, Agenten, Bewertung, Kosten und Bereitstellungsschutz durch praktisches Systemdesign.
Themenspuren
Nach Titel durchsuchen
Springen Sie in den Bereich, der Ihnen am Herzen liegt. Zu jedem Titel gibt es mehrere leicht verständliche Anleitungen.
GrundlagenKernkonzepte: Wie KI auf hohem Niveau funktioniert.84 Führer Sprach-KILLMs, NLP, ChatGPT, Eingabeaufforderung und Textverständnis.155 Führer Visuelle KIBilderzeugung, Computer Vision, Video und Design.133 Führer Audio-KIStimme, Musik, Podcasting und Audio-First-KI.117 Führer UnternehmenProfile von OpenAI, Anthropic, Google, Meta und mehr.121 Führer AnwendungenWie KI in Codierung, Suche, Agenten und im täglichen Leben zum Ausdruck kommt.111 Führer BranchenKI in den Bereichen Gesundheitswesen, Finanzen, Bildung, Energie und mehr.91 Führer TechnischChips, Feinabstimmung, RAG, Vektoren und KI-Infrastruktur.177 Führer GesellschaftVoreingenommenheit, Privatsphäre, Urheberrecht, Sicherheit und die Zukunft der KI.30 Führer
Vollständige Bibliothek
Alle Führer
84 von 1019 Anleitungen angezeigt. Filtern Sie nach Titel oder suchen Sie oben.
Grundlagen
Prädiktive KI
Prädiktive KI nutzt beobachtete Informationen, um ein unbekanntes Ergebnis abzuschätzen, wie etwa Nachfrage, Lieferzeit oder eine Kategorie.
GrundlagenKI-Systemdenken
AI systems thinking examines how data, models, people, interfaces, and operating policies interact.
GrundlagenModelllebenszyklus
The model lifecycle covers problem definition, data preparation, training or selection, evaluation, deployment, monitoring, and retirement.
GrundlagenGrundlagen der KI-Bewertung
Die KI-Bewertung prüft, ob ein System unter festgelegten Bedingungen einen definierten Zweck erfüllt.
GrundlagenZusammenarbeit zwischen Mensch und KI
Human-AI collaboration divides work between people and AI systems while keeping responsibility and control clear.
GrundlagenKI-Entscheidungsfindung
AI can supply predictions, organize evidence, or recommend actions, but choosing an action also requires goals, constraints, and responsibility.
GrundlagenKI-Fehlermodi
An AI failure mode is a repeatable way a system can produce an unacceptable result.
GrundlagenGruppennormalisierung
Die Gruppennormalisierung ist eine Technik, die das Training neuronaler Netzwerke stabilisiert, indem sie Merkmale innerhalb kleiner Gruppen von Kanälen normalisiert, unabhängig für jeden…
GrundlagenGeschlossene wiederkehrende Einheiten
Eine Gated Recurrent Unit (GRU) ist eine optimierte Art wiederkehrender neuronaler Netzwerkzelle, die mithilfe von zwei Toren entscheidet, welche Informationen gespeichert und welche vergessen werden sollen.
GrundlagenGewichtsabnahme und L2-Regularisierung
Der Gewichtsabfall ist eine einfache, leistungsstarke Technik, die die Gewichte eines Modells während des Trainings gegen Null bewegt und es so davon abhält, sich zu sehr auf irgendetwas zu verlassen.
GrundlagenDropout und stochastische Regularisierung
Dropout ist ein Regularisierungstrick, der bei jedem Trainingsschritt zufällig einen Bruchteil der Neuronen abschaltet und so das Netzwerk dazu zwingt, redundante, robuste… aufzubauen.
GrundlagenFrühes Stoppen
„Frühes Stoppen“ ist eine Regularisierungstechnik, die das Modelltraining in dem Moment stoppt, in dem sich die Leistung bei zurückgehaltenen Validierungsdaten nicht mehr verbessert.
Mit dem Lesen fertig? Beweisen Sie es.
Überprüfen Sie anhand von Themenquiz, was Sie gelernt haben, und erkunden Sie anschließend unsere strukturierten Kurse und aktuellen Zertifizierungsanforderungen. Die wichtigsten Leitfäden bleiben weiterhin frei lesbar.